硬件保护的 Solana 钱包、交易终端和代理身份层。在 Jupiter DEX 上进行交易，赚取 DeFi 收益，通过拉力检测来狙击模因币，构建交易机器人 - 以及代理身份、加密的代理到代理消息传递以及用于自主代理商务的服务发现。全部由 Apple Secure Enclave 签名（无 .env 私钥）。触发条件：用户提及 Solana、SOL、USDC、SPL 代币、Jupiter、Raydium、掉期、DEX、meme 币、代币价格、DeFi 收益率、借贷、链上余额、加密钱包、发送加密货币、支付加密货币、签署消息、代理身份、代理消息、代理商务、代理发现、跟单交易、鲸鱼跟踪、交易机器人或任何 Solana 代币符号/铸币地址。也会在以下情况下触发：用户要求检查代币、购买/出售代币、在 Solana 上转移资金、赚取收益或与其他 AI 代理进行经济交互。
根据最佳实践查看代理技能目录和 SKILL.md 文件。当用户想要查看、验证或检查代理技能实施时，请使用此技能。
使用 ya-agent-sdk 和 Pydantic AI 构建 AI 代理。涵盖通过 create_agent() 创建代理、工具集配置、使用 ResumableState 的会话持久性、子代理层次结构和浏览器自动化。在创建代理应用程序、配置自定义工具、管理多轮会话、设置分层代理或实施 HITL 审批流程时使用。
保护 .env 机密免受 AI 代理的侵害。在保险库中加密的真实凭证 - 代理可以在磁盘上看到结构上有效的沙箱值。
帮助开发人员设计或审查有用的、可控的、可扩展的代理系统和产品。当用户设计代理架构、工具、工具系统、内存策略、权限模型、交互循环、恢复计划或评估策略时，或者当他们想要将模糊的振动编码代理想法转变为严格的产品计划时使用。请勿用于简单的代码生成、通用头脑风暴或纯粹的 UI 装饰性批评。
人工智能代理的持久记忆和不断发展的身份。为您的代理提供知识图、会话连续性、角色管理和跨会话的自适应检索。在会话开始时启动，每轮摄取。你的经纪人记得一切。
将任务类型映射到最佳代理、技能、模型和后备。将任何任务分配给正确的工具。使用时间：哪个代理、路线任务、该代理、最佳代理、能力矩阵。
通过具有 MCP 接口的持久无头 Chromium 守护进程实现并发浏览器自动化。每个代理都有自己的命名实例（第一次调用后大约 200 毫秒/命令）。所有代理浏览的默认工具。每个需要浏览网络的代理和子代理必须使用 browser-multi，而不是 Playwright MCP。 Playwright MCP 仅供用户交互使用（登录、导出会话 cookie）。当代理或子代理需要浏览网页、抓取页面、与网站交互、填写表单、截取屏幕截图或提取内容时使用。触发条件：“浏览此网站”、“抓取此页面”、“导航到”、“检查此 URL”、“截取屏幕截图”、“填写此表单”、“阅读此页面”或任何需要 WebFetch 之外的 Web 访问的任务。
审核、设计和实施任何代码库的人工智能代理工具。线束是围绕人工智能编码代理的约束、反馈循环和验证系统——改进它是提高人工智能代码质量的最有效方法。三种模式：审核（记分卡）、实施（设置组件）、设计（完整策略）。每当用户提到线束工程、代理护栏、AI 编码质量、AGENTS.md、CLAUDE.md 设置、代理反馈循环、熵管理、AI 代码审查、Vivi 编码质量、线束审计、线束评分、AI slop、代理优先工程时使用。当用户想要了解为什么 AI 代理会产生错误代码、让其存储库与 AI 代理更好地配合、为代理工作流程设置 CI/CD、设计验证系统或扩展 AI 辅助开发时，也会触发此功能。在讨论 AI 代码漂移或控制 AI 生成的代码质量时主动提出建议。 --- # 线束工程指南 您是一名线束工程顾问。您的工作是审核、设计和实施环境、约束和反馈循环，使 AI 编码代理在生产规模上可靠地工作。 **核心洞察**：代理=模型+线束。工具是围绕模型的一切：工具访问、上下文管理、验证、错误恢复和状态持久性。仅更改线束（而不是模型）将 LangChain 的代理在 Terminal Bench 2.0 上从 52.8% 提高到 66.5%。 ## 预评估门 在运行审核之前，请回答以下 5 个问题以确定适当的审核深度。 1. 项目预计寿命是否超过1个月？ 2. AI 代理今后会修改这个代码库吗？ 3. 该项目是否拥有（或计划拥有）>500 LOC？ 4. 是否至少有一个人工智能生成的代码实例导致了问题？ 5. 是否有多个贡献者（人类或代理）？ | “是”计数 |路线 |你得到什么 | |------------|--------|--------------| | **4-5** | **全面审核** |所有 45 个项目在 8 个维度上进行评分。详细的改进报告
当充当反应性记忆代理观察印迹聊天以了解代理意图时使用。根据预期行为显示相关反馈和事实，从用户纠正、观察到的故障和对话观察中学习新的记忆。需要使用印迹聊天作为协调协议的技能。
生成 Claude Code 插件代理 .md 文件：编写 YAML frontmatter（名称、模型、颜色、工具、挂钩、disallowedTools），制作系统提示，并创建带有上下文和注释的触发示例块。根据命名、长度和格式限制验证代理结构。当用户要求创建代理、添加代理、编写子代理、配置代理前端、设计代理系统提示、设置代理工具或颜色、构建自治代理或添加代理挂钩时使用。 --- # Claude 代码插件的代理开发 代理是带有 YAML frontmatter 的自治 Markdown 文件，可以独立处理多步骤任务。代理人是为了自主工作；命令用于用户启动的操作。 ## 工作流程 1. 定义代理目的和触发条件 2. 创建 `agents/agent-name.md`，其中包含 frontmatter + 系统提示正文 3. 在描述中包含 2-4 个 `<example>` 块 4. 验证结构（参见下面的约束） 5. 使用真实场景测试触发 6. 如果验证失败：检查错误恢复表，修复，重新验证 ## 代理文件模板 ```markdown ---
Morph L2 的 AI 代理技能 — 钱包、浏览器、DEX 交换、带订单管理的跨链桥、EIP-8004 代理身份和声誉、替代费用 Gas 支付、EIP-7702 委托和 x402 支付协议
skill-sample/ ├─ SKILL.md ⭐ 必备：技能说明入口：用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐：机器可读元信息：用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐：授权与使用范围：开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本：让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范：统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源：报告/文档模板，快速生成标准产物 └─ references/ 🧩 参考资料库：方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考：章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考：常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考：图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档：https://agentskills.io/home
├─ ⭐ 必备：YAML Frontmatter（必须存在，放在文件最顶部） │ ├─ ⭐ name ：技能唯一名；须符合命名规则，并建议与目录名一致 │ └─ ⭐ description ：技能描述；建议包含触发关键词（便于检索/匹配） │ ├─ ✅ 可选：Frontmatter 扩展字段（规范允许，但非强制） │ ├─ ✅ license ：许可证标识（也可配合单独 LICENSE 文件） │ ├─ ✅ compatibility ：兼容性/运行环境要求（仅在确实有限制时写） │ ├─ ✅ metadata ：任意键值对（如 author/version/source_url 等） │ └─ 🧩 allowed-tools ：允许工具白名单（规范标注为 experimental） │ └─ ✅ 推荐：Markdown 正文（自由格式，但建议按“渐进式披露”组织） ├─ ✅ Overview / Purpose ：一句话说明目标 + 不做什么（边界） ├─ ✅ When to use ：触发条件/适用场景（让模型/用户知道何时调用） ├─ ✅ Step-by-step ：步骤化流程（最好 3–6 步，保证可复现） ├─ ✅ Inputs / Outputs ：输入格式、输出格式、产物位置（文件/文本/JSON等） ├─ ✅ Examples ：至少 1 个可复制示例（越“能跑”越好） ├─ 🧩 Files & References ：引用assets/、references/、scripts/（相对路径） ├─ 🧩 Edge cases ：边界情况/限制（大文件、速率限制、失败回退） ├─ 🧩 Troubleshooting ：常见错误与解决（依赖缺失、路径不对、权限问题） └─ 🧩 Safety notes ：涉及联网/写文件/执行命令时给出提醒（建议写）
在 GitHub 和各类社区里，技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库，让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索，支持 版本更新与多维排序（下载/点赞/评论/更新），并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手：
支持下载与导入 skills（.zip/.skill），本地放置后即可生效：
~/.claude/skills/（Claude Code）
~/.codex/skills/（Codex CLI）
~/.gemini/skills/（Gemini CLI）
同一份 SKILL.md 跨平台通用。
你需要了解的：技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills（技能）”是一种可复用的任务能力包，通常包含 SKILL.md 说明（用途、输入输出、使用方法）以及可选的脚本/模板/示例文件。
你可以把它理解为：给 AI 助手或工具链用的“插件说明书 + 资源包”，可被反复安装与分享。
技能系统采用“渐进式披露”策略，高效管理上下文信息，具体流程如下：
发现阶段：系统启动时，智能体仅加载各技能的名称与简要描述——信息精简，足以判断其适用场景，避免冗余加载。
激活阶段：当任务需求与某技能描述匹配时，智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段：智能体严格遵循文档指引执行操作，并按需调用关联文件或运行内置代码模块。
核心优势：该设计使智能体始终保持轻量高效，同时具备“按需扩展上下文”的能力，既保障响应速度，又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用：
注：以上导入方式文件大小控制在10M之内。
常见路径如下（不同系统略有差异，以你本机为准）：
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后，也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源，只要目标工具支持读取该格式，就能共享使用。
比如：检索类技能 + 写作类技能 + 自动化脚本，形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库（至少 2 星），并扫描基本质量指标，还有一部分是SkillWink平台的创作者独立上传的。作为使用者，在安装前应始终审查代码，对安全问题负责。
最常见原因是这几类：
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
